如何将pandas宽格式DataFrame转换为指定结构的长格式DataFrame

你要的转换需求本质是对原DataFrame的底层数值按行拆分重塑，用numpy的reshape方法就能一行搞定，性能和简洁度都拉满：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    np.random.randn(2, 12)
)
slice_sz = 6

# 核心转换代码
new_df = pd.DataFrame(df.to_numpy().reshape(-1, slice_sz))

你给出的示例数据跑这段代码输出完全符合预期：原2行12列的数组先按行展开为长度24的一维数组，再按每行6个元素重组成4行6列的结构，刚好匹配你要的顺序：第一行前6列、第一行后6列、第二行前6列、第二行后6列。

原代码报错原因 #

你出现大量NaN的问题来自两个错误：

• 切片逻辑错误：pandas的iloc索引是左闭右开规则，你设置j = slice_sz - 1，写i:j会少取索引为j的列，应该直接写成i:i+slice_sz即可，不用单独计算j值。
• 列名对齐问题：你切分出来的第二个分片的列名还是原DataFrame的6-11，append的时候会按列名匹配新表，所以新行的0-5列全部是空值，只有6-11列有数据。如果要改原循环的话，每次切分后重置列名即可：df_sliced.columns = range(slice_sz)，但循环拼接的方式性能远低于直接用reshape的方案，不推荐使用。

内容的提问来源于stack exchange，提问作者doing_the_best_I_can